内燃机的出现带来了汽车，使个人交通工具发生了巨变，从而改变了我们的时空概念。今天，关于交通方式的另一场变革正在悄然发生，那就是融合了人工智能、大数据、计算能力地图技术和传感器的自动驾驶技术。报告《Revolution in the Driver’s Seat: The Road to Autonomous Vehicles 》显示，自动驾驶汽车的广泛应用能够让美国每年减少约3万起公路死亡事故，行程时效提升40%，弥补人们浪费在通勤和堵车上的800亿个小时。自动驾驶汽车可以减少40%能耗。各种研究表明，仅在美国，这些社会收益就高达1.3万亿美元。麦肯锡也曾预测，未来10年自动驾驶功能将是影响购车的重要因素。

驾驶自动化已经成为汽车界、科技界的共识，全球至少还有25家企业都在角逐无人驾驶领域。谷歌最早开始了自动驾驶汽车的测试，累计行驶了150万公里，并将测试扩大到了四个城市；特斯拉凭借已经配备自动驾驶技术的7万辆车，已经使自动驾驶的总里程达到4700万英里；百度的自动驾驶汽车于去年底完成了混合道路测试，成立了自动驾驶事业部，并明确提出自动驾驶汽车「三年商用、五年量产」的业务目标；奔驰、宝马和奥迪等传统汽车巨头也开始了对自动驾驶技术的布局。

自动驾驶将会带来不可估量的经济效益和社会效益，众多科技公司和汽车厂商也开始重金投入，积极布局，但面对这样一个革命性的目标，大部多人可能依然会认为自动驾驶遥不可及，就像人们对强人工智能既期待又失望的复杂心情一样，但自动驾驶汽车在一定程度上是目前多种前沿技术整合的一个完整系统，如果将其使用的核心技术进行拆解的话，我们就会发现，实际上自动驾驶汽车离我们并不遥远。就像百度深度学习实验室主任、百度自动驾驶事业部副总经理林元庆在北大演讲时所说：「自动驾驶是个很有挑战性的工作，但依托百度目前的技术，我坚信这个事情是可以做成的。」

自动驾驶汽车融合了软件和硬件的相关技术，主要包括：

•摄像头和计算机视觉系统，用于物体识别、交通标示和信息识别、路面检测等。

•雷达，拥有大范围的前视雷达可以提供范围、角度、多普勒速度等信息，在晚上和恶劣天气下会表现的非常出色。

•激光雷达传感器LiDAR，激光扫描设备，能够对以360度视角创建周围物体的3D图像。

•V2X，车与车之间的通信技术。随着自动驾驶车辆的增加，汽车间通信技术非常重要。

•人机交互，人与车辆更加自然和智能的交互方式，比如生物身份认证、语音交互、图像识别等。

•地图技术，高精度且实时更新的地图。

在以上技术中，视觉系统、传感器、雷达、LiDAR及多种传感整合技术在自动化驾驶中至关重要，因为这关乎到自动驾驶汽车与外部环境的交互，外部的物体和行人识别、紧急避障、遵守交通法规、应对恶劣环境等都与之相关，就像是人类驾驶员的视觉和听觉，是实现自动驾驶的基础。

而积极布局自动驾驶的科技公司也在这方面投入了巨大的研发资源，而令人欣喜的是，也取得了很大的进展，让我们看到了自动驾驶的阶段性成果。谷歌在4月份提交了一项新的专利申请，通过摄像头判断前方车辆的刹车和指示灯状态来对它们的行为作出预判，从而避免出现追尾等事故；福特也让LiDAR传感器完全具备了「独自作战」的能力，在没有车灯照明的情况下完成了夜间测试；百度借助激光雷达、摄像头、毫米波雷达等多传感器，采用多传感器融合技术方案，从而最大限度的提升识别准确度，KITTI识别率达到89.32%。王劲还说，百度的目标识别、环境感知技术可以让汽车精准侦测、跟随其它汽车前进，它还可以准确识别道路标志线、精准控制距离和速度。此外，百度计算机视觉技术的物体检测和路面分割功能最近所取得的效果非常好。

在地图方面，自动驾驶还需要有精确到10厘米以内的高清地图，满足其对周围环境进行预判。传感器和地图的结合可以保证数据的连贯性，准确定位、导航等。除此之外，高清地图可以对传感器进行交叉检查，帮助自动驾驶车辆对周围环境进行实际的测试。同时高清地图必须持续保持更新，而且每次更新都需要及时下载到自动驾驶系统中。因为自动驾驶系统必须保有本地文件以应付网络中断的情况，仅有云端服务是不够的。谷歌为汽车装备了经过强化的山景城街景——城市的虚拟地图，通过这种方式，自动驾驶汽车能够明确知道街道空旷时是什么样，只需要填进相应的障碍物就可以使用了。百度拥有国内的三维高精度地图和定位技术，拥有比普通GPS定位高两个数量级的厘米级高精度定位，还可以根据视觉实现自定位，此类方法准确率已经接近于高精度GPS。

除了外部感知和地图定位之外，还有一个非常重要的技术是人机交互，自动驾驶的方式决定了驾驶员和汽车之间不再是那种传统的物理式的交互方式，而是一种更加智能和自然的人机交互界面，其中最核心的就是语音识别准确率。百度的语音识别技术结合了语音技术、智能搜索和自然语言处理，中文语音识别在安静环境下普通话识别率97%、车载环境下普通话识别率92%，还能够进行自动纠错和多轮对话，非常适合自动驾驶的人机交互场景。入选了麻省理工科技评论2016十大突破技术的百度深度语音识别系统（Deep Speech 2）更是包含了一个更大更深的神经网络，它引入了数以百万计的转录语音。有时它在识别汉语语音片段方面，要比人为识别更加准确。

自动驾驶还需要强大的计算能力作为后盾。目前笔记本、手机等智能设备经常会因为计算能力不足而产生卡顿的情况。当对于自动驾驶汽车，经常会应对紧急情况，如果没有强大的计算能力做支撑，小小的计算延迟都会产生严重的后果。百度自动驾驶汽车是百度大脑在汽车领域的垂直应用，比如对油门的控制，汽车刹车液压系统的反应是0.5秒，从人看到紧急状况到反应过来并把指令传导到肌肉实现刹车最快需要1.2秒，而无人车最多不会超过0.2秒，行进中与活动障碍物的距离比人的判断更精准，这一切的实现都靠百度大脑飞快地计算。

不管是感知外部环境的计算机视觉，还有语音交互，这些的背后都是人工智能技术的积累。斯坦福大学李飞飞教授认为，在分析更复杂场景的任务中深度学习很有可能将扮演关键角色，比如帮助机器人或自动驾驶汽车正确理解周围的场景。而根据IBM商业价值部门的调查结果，74%的人希望到2025年，汽车将会自己实现最优化控制并且基于环境提供建议。而更加重要的是，汽车能够对自身、周围环境、驾驶员等进行学习。这都和背后的深度学习基础研究密切相关，谷歌、百度在深度学习基础研究取得的进展也会转化成应用，推动自动驾驶汽车的早日到来。

如工业革命将人类从大量的体力苦工中解放出来。在未来，自动驾驶汽车就意味着我们不再需要浪费一生中的大量时间在开车上，这将带给我们更多的时间，以及追求更有价值的目标。而对于自动驾驶这个长远目标，我们不应该盲目乐观，当然也不能过度悲观，以上这些技术的成熟已经迈出了重要一步，在兑现「将完全自动驾驶技术的便利带给全球消费者」这一承诺的路上取得了实质性进展。